吉林大学学报（理学版）
吉林大學學報（理學版）
길림대학학보（이학판）
JOURNAL OF JILIN UNIVERSITY(SCIENCE EDITION)
2010年
5期
817-822
,共6页
孙丹%万里明%孙延风%梁艳春
孫丹%萬裏明%孫延風%樑豔春
손단%만리명%손연풍%량염춘
聚类%粒子群优化算法%径向基函数(RBF)神经网络
聚類%粒子群優化算法%徑嚮基函數(RBF)神經網絡
취류%입자군우화산법%경향기함수(RBF)신경망락
提出一种基于粒子群优化算法、 K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法. 该算法使用减聚类方法确定隐层节点数, 具有自适应确定隐层节点的能力, 避免了调整隐层节点的人为干预. 通过K-means算法形成粒子群优化(PSO)算法初始粒子群, 避免了初始粒子群的随机性, 提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数. 数值结果表明, 改进的混合算法具有更高的分类准确率.
提齣一種基于粒子群優化算法、 K-means算法及減聚類算法的徑嚮基函數(RBF)神經網絡混閤學習算法. 該算法使用減聚類方法確定隱層節點數, 具有自適應確定隱層節點的能力, 避免瞭調整隱層節點的人為榦預. 通過K-means算法形成粒子群優化(PSO)算法初始粒子群, 避免瞭初始粒子群的隨機性, 提高瞭粒子群優化算法的優選能力;採用PSO算法訓練RBF神經網絡中的所有參數. 數值結果錶明, 改進的混閤算法具有更高的分類準確率.
제출일충기우입자군우화산법、 K-means산법급감취류산법적경향기함수(RBF)신경망락혼합학습산법. 해산법사용감취류방법학정은층절점수, 구유자괄응학정은층절점적능력, 피면료조정은층절점적인위간예. 통과K-means산법형성입자군우화(PSO)산법초시입자군, 피면료초시입자군적수궤성, 제고료입자군우화산법적우선능력;채용PSO산법훈련RBF신경망락중적소유삼수. 수치결과표명, 개진적혼합산법구유경고적분류준학솔.
